Vaka Çalışması · Perakende

Defacto DSO: veri bilimi ofisinin kuruluşu ve dört yıllık danışmanlık

2021'de işe alım Datathon'unda mentör olarak başladık. 2024 sonuna kadar ekibi eğittik, DSO'nun veritabanı ve sunucu altyapısını kurduk, on üçten fazla projeyi yazıp hayata geçirdik. Bugün DSO, Defacto'nun perakende analitiği, yapay zeka ve iş zekası ihtiyaçlarını karşılayan bir direktörlük.

4 yıl
Süre: 13+
Proje: Stevie 2023
Ödül: SQL · Python · veri bilimi
Eğitim

Bağlam

2021 başında Defacto, Data Science Office’i (DSO) kuruyordu. Ekip henüz yoktu; işe alım bir Datathon ile yapılacaktı. Lumtify bu Datathon’a mentör olarak katıldı; soruların hazırlanmasında, değerlendirmede ve ardından işe alımda yer aldık. Mart 2021’de 17 + 6 kişilik bir ekiple çalışma başladı; direktör alımıyla ekip tamamlandı.

Danışmanlığın kapsamı dört yıl boyunca aynı kaldı: proje fikri üretmek, ekibe mentörlük vermek, projeleri kodlayıp hayata geçirmek, altyapıyı kurmak, ekibin teknik yetkinliği için eğitim vermek, raporlama ihtiyaçlarını belirlemek. 2023’te Lumtify ekibi dört kişiye çıktı ve son iki yılı ekip olarak yürüttük.

Önce altyapı

İlk gün DSO’nun veritabanı, sanal sunucusu ve yetkileri yoktu. Ekibin önce çalışacağı bir ortam gerekiyordu. Teknoloji ekibiyle bir yol haritası çizildi ve sırasıyla kuruldu:

DSODB: DSO’nun tüm prosedür, tablo ve view’larının yaşadığı, şirketin veri ambarına benzer bir notasyonla tasarlanmış veritabanı. Hangi şemada hangi tablonun nasıl adlandırılacağı dokümante edildi ve eğitimle aktarıldı.
Üç sanal sunucu: Python projelerinin koştuğu, kendi SQL Server’ı üzerinde SSIS paketlerinin job olarak zamanlandığı ve Power BI gateway’inin bulunduğu makineler. DSO’nun bir prosedürü doğrudan job yapma yetkisi olmadığı için SSIS paketleri üzerinden kendi zamanlama yapısını kurdu.
Log yapısı: ilk günden itibaren her SQL ve Python prosedürü aynı log tablosuna yazıyor: başlangıç zamanı, adımlar arası süre, hata alan adım. Kayıtlı bütün projeler buradan izleniyor.
Ürün geliştirme süreci: tablo/kolon adlandırma, prosedür ve view kuralları, delta tabloları, periyodik bakım listesi (sunucu restart, disk, TempDB, job hataları).

Projeleri kişiden bağımsız hale getiren bu katman oldu. Bir proje sanal sunucuda job olarak koşuyorsa, onu yazan kişi izne çıktığında da çalışmaya devam ediyordu. Kurulum, yetki ve bakım dört yıl boyunca Lumtify tarafından yürütüldü ve 2024 sonunda dokümante edilerek devredildi.

Ekibin yetiştirilmesi

Datathon’la işe alınan ekip için bir adaptasyon programı hazırlandı: SQL, Python ve veri bilimi eğitimleri (Lumtify tarafından), sektöre adaptasyon için vaka çalışmaları, ödevler ve başlangıç projeleri, ardından ekiplerin oluşturulması ve ilk gerçek projeler. Eğitim zamanla dört yılın tamamına yayılan bir mentörlüğe dönüştü; bazı projelerde kodu biz yazdık, bazılarında yalnızca yön verdik.

Aynı dönemde Defacto’nun veri odaklı dönüşüm çalışmalarına da destek verildi: her departmanın veri olgunluğu değerlendirildi, yıl sonu hedefleri konuldu, veri yapıları, raporlar ve analitik çözümler buna göre planlandı.

Projeler

Projelere isim verme alışkanlığımız burada işe yaradı. İsmi olan bir proje daha kolay sahipleniliyor ve şirket içinde bir markaya dönüşebiliyordu. Dört yılda parçası olduğumuz projeler ve rolümüz:

Proje	Ne yapar	Lumtify’ın rolü	Durum
IofTheCustomer	Ürün yorumlarını duygu ve kategoriye ayırır, ilgili birime yönlendirir	Yapay zeka + proje yönetimi	3 yıldır canlıda · Stevie 2023
Sorting	E-ticaret kategori sayfalarında ürün sıralaması	Kodlama, entegrasyon, bakım	Canlıda
ELOSS	E-ticaret ve pazaryerlerinde yok-stok kaynaklı satış kaybı	Kodlama, entegrasyon, bakım	Canlıda, haftalık
NoSales	Mağaza ve e-ticarette 28 gündür satmayan stok	Kodlama, entegrasyon, bakım	Canlıda, haftalık
BSA	Şehir bazlı en iyi ürünlerin mağazada öne çıkarılması	Kodlama, entegrasyon, bakım	Canlıda
SearchTerm	Arama kutusu sorgularının analizi ve yazım düzeltme	Mentörlük	Canlıda
PAT	Teams ve Meet toplantı verisinden verimlilik dashboard’u	Veri altyapısı, prosedür, dashboard	Canlıda
JUMP-UP	Üst yönetim için haftalık KPI takibi, geçen yılla kıyaslı	Veri altyapısı, prosedür, dashboard	Canlıda
DISCO	Fiyat değişiminden 14 gün sonrasının satış tahmini, indirim senaryoları	Model, günlük hat, demo arayüzü	MVP; canlıya alınmadı
preDefaction	Mağaza bazında 6 haftalık satış tahmini	Veri hazırlığı, model geliştirme	Rafa kaldırıldı
Basket Analysis	Birlikte satın alınan ürünler, çapraz satış	Mentörlük, uçtan uca entegrasyon	Canlıda
Capacity	Mağaza kapasite bölünme oranlarının gerçekleşenle kontrolü	Teknoloji entegrasyonu	Canlıda
Lot Optimization	Sezon sonu iade ürünlerin asorti gözeterek kolilenmesi	Mentörlük	DSO tarafından geliştirildi

JUMP-UP ayrı bir sayfayı hak ediyor ama teknik ağırlığı iş zekası tarafında. Defacto’nun temel KPI’larını (ciro, satış adedi, brüt kar, müşteri sayısı, AOV, cover, GMROI, DIO, kırıklık, OTD/ALT, kapasite doluluğu) dokuz sayfalık tek bir Power BI dashboard’unda haftalık olarak, geçen yılla kıyaslı gösterir. Veri BigQuery’deki zamanlanmış sorgular ve DSODB’deki prosedürlerle her pazartesi sabah hazırlanır; NoSales, DIO, Residue ve Capacity dashboard’larından sayfalar yeniden kullanılır.

BSA (Best Seller Algorithm), e-ticaret ve pazaryeri satışını şehir bazında analiz edip her şehrin mağazalarında öne çıkarılacak ürünleri belirler. Yalnızca satış adedine bakılmıyor; adet, karlılık ve satış hızı birlikte değerlendiriliyor. Ürünün o mağazada mevcut olup olmadığı ve sergilenecek stok bulunup bulunmadığı kontrol edilmeden liste mağazaya gitmiyor. Böylece online talep mağaza teşhirine yansıyor. BSA zamanlanmış job olarak canlıda.

SearchTerm, defacto.com arama kutusundaki sorguları analiz eder: yazım hatalarını düzeltir (“pantlon” → pantolon) ve her terimden başlayan zinciri (görüntüleme, sepet, satın alma, dönüşüm, ciro) baştan sona ölçer. Google Analytics davranış verisi ile Defacto’nun ürün ve satış verisi tek analizde birleşir. Projeyi DSO ekibi geliştirdi; biz mentördük.

preDefaction, her mağaza için önümüzdeki altı haftanın satışını tahmin eder: geçmiş satış, mağaza büyüklüğü, şehir, bölge ve yeni mağazalar için benzer mağaza eşleştirmeleri. Pandemi kapanmaları ve kısıtlı saatler mağaza–hafta bazında etiketlenerek veri onarıldı; birden fazla makine öğrenmesi ve zaman serisi modeli yarıştırılıp her mağaza için en iyisi BestFit ile seçildi. Model başarılı sonuç üretti, ama süreçlerde doğrudan girdi olacağı bir karar noktası tanımlanmadığı için rafa kalktı. Sonraki tahmin projelerimizde “tahmini kim, hangi kararda kullanacak” sorusunu en başta sormamızın nedeni bu.

Basket Analysis fiş ve sepet verisinden option, class ve buyer-group seviyesinde birlikte satın alınan ürünleri çıkarır; hem çapraz satış önerisi hem de pazarlama içgörüsü üretir. Capacity, ürün yönetiminin mağaza kapasitesini alt hiyerarşilere bölerken kullandığı oranları gerçekleşen satış, karlılık ve ciroyla karşılaştırıp oran önerir. Lot Optimization, iade deposundaki kırık asortili ürünleri outlet ve indirim sevkiyatı için yeniden kolileyen iteratif bir optimizasyondur.

Destek işleri

DSO’nun şirket içinde bir çözüm merkezi olarak tanınması için farklı departmanlardan gelen talepler de karşılandı: e-ticaret ödeme analizlerinin Excel’lerden veritabanına taşınıp dashboard’a bağlanması; rakip sitelerin crawl verisinin (üçüncü taraf) DSODB’ye alınıp Defacto verisiyle karşılaştırma dashboard’larının kurulması; entegrasyonla gelmeyen yurt dışı pazaryeri verisinin merkezileştirilmesi; sezon içi yönetim yazılımının ürettiği sonuçların kullanım oranlarının ölçülmesi.

Sonuç

Dört yılın sonunda DSO, Defacto’nun perakende analitiği, yapay zeka ve iş zekası ihtiyaçlarının tamamına karşılık veren bir direktörlük haline geldi. Projeler kişiden bağımsız çalışıyor; altyapı, job listesi, log yapısı ve bakım prosedürleri devir dokümanlarıyla ekibe bırakıldı.

Defacto’da bir veri bilimi ofisinin sıfırdan kuruluşunu, ekibin yetişmesini ve projelerin yıllarca ayakta tutulmasını baştan sona gördük. Derimod ve Kalekim’de uyguladığımız “önce altyapı, sonra görünürlük, sonra karar” sırasını burada öğrendik.

Sistemin yapısı

Tüm işlerimiz